Das Modell mit der Bezeichnung CODE-AE ist unter der Leitung von Lei Xie, Professor für Informatik, Biologie und Biochemie am CUNY Graduate Center und Hunter College entwickelt worden. Es war z.B. in der Lage, theoretisch personalisierte Medikamente für über 9.000 Patienten zu identifizieren, mit denen ihre Krankheiten besser behandelt werden könnten als bislang.

Eine genaue und robuste Vorhersage der patientenspezifischen Reaktionen auf eine neue chemische Verbindung ist entscheidend für die Entdeckung sicherer und wirksamer Therapeutika und für die Auswahl eines bereits existierenden Medikaments für einen bestimmten Patienten.

Zellkulturen und Gewebemodelle reichen den Angaben der Forscher:innen zufolge zur Einschätzung der Wirksamkeit nicht aus und Krankheitsmodelle lassen sich nur bedingt auf die menschliche Situation übertragen, sodass maschinelles Lernen zur Lösung des Problems beitragen kann. Dies würde auch helfen, Zeit und Kosten bei der Entwicklung zu reduzieren.
 
Das Modell ist im Journal Nature Machine Intelligence vorgestellt worden:
He, D., Liu, Q., Wu, Y. et al. A context-aware deconfounding autoencoder for robust prediction of personalized clinical drug response from cell-line compound screening. Nat Mach Intell 4, 879–892 (2022). https://doi.org/10.1038/s42256-022-00541-0

Quelle:
https://www.gc.cuny.edu/news/new-ai-model-can-accurately-predict-human-response-novel-drug-compounds